AI 视频生成实测：可灵、Runway、Pika 的能力边界

先说结论：现在的 AI 视频工具，做的是「镜头」，不是「片子」。理解这一点，期望值就对了。

能做什么

五到十秒的稳定镜头、产品旋转展示、风景推移、人物简单的表情和动作。可灵在中文场景和人物动作上表现不错，Runway 的镜头运动控制更细，Pika 上手最快、出片最快。

做不到什么

• 长镜头：超过十秒大概率出现形变或主体漂移。
• 跨镜头一致性：同一个角色在不同镜头里脸会变，需要首帧锁定或后期统一。
• 复杂物理：多人交互、手部精细动作、物品传递，失败率依然高。

可落地的工作流

第一步写分镜脚本，每个镜头一句话，标明景别和动作。第二步用绘图工具生成每个镜头的首帧图，保证色调统一。第三步把首帧喂给视频工具做图生视频，只描述运动，不重新描述画面。第四步在剪映里拼接、加转场、配音、上字幕。

成本参考

一条 60 秒的片子大约需要 12 到 18 个镜头，按每个镜头生成 3 到 5 次取一条可用计算，实际生成次数在 50 次以上。这个量级下，按量付费比包月更划算。

另外注意，主流平台对 AI 生成内容有标注要求，发布时按平台规则勾选，别省这一步。